سال انتشار: ۱۳۹۰

محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

محبوبه لک – باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی واحد بوشهر
احمد کشاورز – دانشگاه خلیج فارس بوشهر- گروه مهندسی برق

چکیده:

در این مقاله سعی شده است با پیشنهاد روشهایی برای تخمین تعداد ترکیب کلاسهای یک تصویر ابرطیفی، تصحیح ماتریس کوواریانس و آشکارسازی نقاط پرت، طبقهبندی تصاویر ابرطیفی -با استفاده از الگوریتم EM اطلاعات مکانی پیکسلهای تصویر – بهبود داده شود. با کاهش تعداد ترکیبهای کلاسهای یک تصویر ابرطیفی میتوان زمان طبقهبندی را کاهش داده و با تصحیح ماتریس کوواریانس، صحت و اعتبار طبقهبندی کلاسهایی که نمونههای آموزشی کمی دارند را افزایش داد. از آنجایی که الگوریتمEM یک الگوریتم تکرار شونده میباشد،چنانچه در یک مرحله از الگوریتم، در طبقهبندی پیکسلهای تصویر خطایی رخ بدهد، بخاطر ماهیت الگوریتم این خطا وارد مراحل بعد نیز می- شود و بطور کلی صحت و اعتبار طبقهبندی را کاهش میدهد. برای حل این مشکل در این مقاله روشی پیشنهاد میشود که در هر مرحله از الگوریتم نقاط پرت با استفاده از اطلاعات مکانی شناسایی شده و برای تخمین پارامتر در مرحله بعد طبقهبندی کنار گذاشته شوند. به این ترتیب صحت و اعتبار طبقهبندی افزایش خواهد یافت . این الگوریتم بر روی دادههای واقعیAVIRIS پیاده سازی شده و نتایج به دست آمده بهبود قابل توجه صحت و اعتبار را نسبت به روشهای معمول طبقه بندی تصاویر ابرطیفی نشان می دهد